30岁，放弃国企稳定的工作，选择转行数据分析！
很多人问我会不会后悔？
说实话，决定要转行那会我也犹豫过、迷茫过，但是现在我很庆幸自己当初的抉择。
在决定转行之前，很多亲朋好友听说之后，大部分都是劝我“年龄不小了，就不要折腾了”。
但是我想说的是，当你下定决心想要改变自己，你就不会被眼前的困难击倒，更不会因为年龄太大而学不会。与其担心害怕不如付诸行动。
以上是我的一些感受，下面我讲讲我的情况。
我叫周小白，今年是我转行数据分析的第五年。转行之前我是在一家大型国企上班，每天工作六小时，轻轻松松，但是枯燥泛味，工资也很低。从职位晋升上说，一个萝卜一个坑，未来两年内升职的可能性微乎其微。
体制内，每天就是复制粘贴，肉体停顿，精神贫瘠，时间一长也就厌倦了。
我们这个城市虽然不如北上广深繁荣，但也算是省会城市里数一数二的，城市发展速度不慢，机会也不少。尤其看到身边在私企搞技术的朋友赚的盆满钵满，虽然辛苦，但是钱包很鼓。所以就动了从国企出来，学门技术，赚高薪的决心。但由于当年没有什么编程基础，这行又是个青春饭，所以再三比较下，让我找到了当时还很新潮的“数据分析”这个行当，工资跟搞技术的差不多，关键0基础也能入行，比较适合我。
毕业那么多年了，让我自学成才，还是有点困难，学习跟不上。通过从网上找资料和各个方面的比较，我报了CDA数据分析就业班的课程，选择的原因也很简单，成立时间长，口碑不错，而且推荐就业。
如果你也存在跟我一样的职场困境，想要通过转行来实现职业逆转，那么下面我简单总结的这些学习经验，希望能给你带来帮助。
第一阶段：会用Excel做简单的数据统计分析
作为一名数据分析师，入门都离不开Excel。
Excel有很多强大的数据分析功能，函数、透视表、VBA等。对于入门级别的数据分析师，如果想要掌握Excel这门工具，前期你需要掌握如下技能：
1、重点掌握一些日常使用的函数，vlookup、sum、count、sumif、countif、find、if、left/right、时间转换等函数；
2、数据透视表，它可以说是Excel中最强大的功能，没有之一！它可以帮你解决各种交互统计汇总的问题。
以上这些是我帮忙不同部门同事做的数据透视表，其实通过这些年的工作感受，我建议不管你从事什么岗位，都有必要把这项技能学好了，是真的有用，而且会让你的工作结果看起来比别人逼格都高。
第二阶段：会使用SQL从数据库提取数据
大公司对SQL的要求绝对是软件上排第一位的，我现在基本每天要写五六百行SQL，忙的时候一天一两千行也是有的，所以必须对SQL非常熟练，才能很快的响应业务需求。
入门级别的数据分析师，日常工作中会使用Excel处理一些数据，做一个数据统计基本就可以了。但是Excel有一个比较大的弊端，它只适合处理些小量数据。
如果企业里面产生的数据量非常庞大，更多的还是要储存在数据库里面。所以需要具备编写SQL能力，才能从数据库中读取数据，用来分析。
数据分析人员，掌握了简单的SQL语言，就可以随时对自己感兴趣的数据进行简单的查询、抽取和汇总。相比只会使用Excel，会让你的分析能力的边界无限拓展。
第三阶段：一定要学会使用Python
现在Pyhon已经是排名第一的编程语言了，大部分公司都要求能够掌握 Python，只有少数公司要求掌握其他的编程语言，所以学习市场上要求最多的技能才能找到更多机会。
很多人看到Python 很火，也不管自己的能力水平如何，有没有编程基础，一上来就去学习Python ，最后发现其实自己根本学不会。
在学习Python之前，我建议你先学习Excel和SQL。这样你就具备了一些基础，再去学习Python就容易多了。
第四阶段：需要掌握一个BI软件
可视化报表是数据分析非常核心的而工作，但不同公司用的软件不同，一般公司也不会要求员工硬性掌握特定的BI软件（如果不会入职后可以现学，毕竟多数BI软件都不难），如果是特别难的比如power BI，那在招聘的时候就会有要求了。
向以上这种系统性的数据看板，需要大量数据支持，而且并不是所有岗位都需要，但如果你要是会做，那薪水肯定远高于平均水平。
第五阶段：需要学习一些统计学基础
统计学分为描述统计学和推断统计学。描述统计学是使用特定的数字或图表来体现数据的集中程度或离散程度。推断统计学是根据样本数据推断总体数据特征。
1.描述统计分析
描述统计分析就是将原本复杂的数据减少为几个能够起到作用的数字，用这些代表性的数字来代表所有的数据。这样就可以方便我们更容易看到数据的整体情况。描述数据集常用的5个指标是：平均数，中位数，众数，方差和标准分。
2. 推论统计分析
推论统计分析就是通过样本来推断出总体。需要掌握的知识包括概率分布、中心极限定、如何用样本估计总体、置信区间、假设检验。例如，互联网常用的 AB 测试背后的原理就是假设检验，如果不掌握推论统计分析，那么连 AB 测试的结果也看不懂，更不用说完成一个 AB 测试实验。
除此之外还需要拥有数据分析思维，掌握一些常用的分析方法，包括逻辑树分析法、多维度拆解分析法、PEST分析法、对比分析法、假设检验分析法、相关分析法、RFM分类法、群组分析法、最终路径法等。
如今我在一家电商公司做数据分析经理，经过这两年的磨合，公司已经形成了完整的数据分析团队。在我刚刚加入的时候基本是从0开始的，那段时间非常的痛苦。后来我和一些做数据分析的朋友深入交流，慢慢的开始对电商业务有所了解，到现在已经拥有完整的数据分析团队。
我日常工作主要包括以下几方面：
1.整合全平台的数据（自有数据+行业数据+竞品数据爬取等）；
2.二是提升工作效率，比如通过RPA软件实现数据自动更新到数据库，然后通过BI软件进行分析展示，同时在BI测设置权限分配，保证了数据的安全性；
3.三是扩展数据分析的深度，建立行业分析和竞品分析的指标体系和流程，分析店铺人群画像，复购分析后进行push，大促活动准备等等方面的工作，再后来直播带货兴起，也围绕各直播平台做了数据获取框架和分析流程等等。
以上来自我们一位从体制内跳出来转行数据分析师的CDA学员分享案例。
不同的行业对数据分析师的技能和要求都不一样，但是数据分析的思维是可以通过岗位不断磨练出来的。想转行数据分析的小伙伴，不妨结合自己的兴趣和能力，看看自己更加适合哪一类型的数据分析岗位。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、Python必备开发工具
三、精品Python学习书籍
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、Python视频合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、Python练习题
检查学习结果。
七、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。